發(fā)布時(shí)間：2022-11-06 08:49

　　我國是滑坡災(zāi)害較為多發(fā)的國家,滑坡不僅損害社會(huì)資源,而且威脅人民的生命及財(cái)產(chǎn)安全,因此尋求能夠減輕甚至規(guī)避災(zāi)害損失的滑坡危險(xiǎn)性預(yù)測(cè)方法極具現(xiàn)實(shí)意義和應(yīng)用價(jià)值。而滑坡主要誘發(fā)因素降雨量的不確定性往往會(huì)給滑坡預(yù)測(cè)帶來一定困難,如何有效處理不確定數(shù)據(jù)并在此基礎(chǔ)上設(shè)計(jì)出有效的滑坡危險(xiǎn)性預(yù)測(cè)方法是本文研究的重點(diǎn)。數(shù)據(jù)挖掘中的聚類算法經(jīng)常被用于滑坡危險(xiǎn)性預(yù)測(cè),傳統(tǒng)聚類算法通常指無監(jiān)督的聚類算法,它在不利用任何已知信息的條件下根據(jù)數(shù)據(jù)間的相似性實(shí)現(xiàn)數(shù)據(jù)集的劃分,使得同一個(gè)類中的相似性高,不同類間的相似性低,但是由于該方法在滑坡危險(xiǎn)性預(yù)測(cè)應(yīng)用的過程中完全忽略應(yīng)用中給出的少量先驗(yàn)信息,僅在聚類結(jié)束后利用先驗(yàn)信息對(duì)聚類結(jié)果賦予意義,因此這種方法的預(yù)測(cè)精度整體偏低,且會(huì)導(dǎo)致有些類沒有實(shí)際意義�；诖�,考慮到在滑坡危險(xiǎn)性預(yù)測(cè)實(shí)際應(yīng)用中通常易獲得少量的先驗(yàn)信息的實(shí)際情況,為充分利用給出的先驗(yàn)信息,本文首次提出把半監(jiān)督聚類方法應(yīng)用于滑坡危險(xiǎn)性預(yù)測(cè)的設(shè)想,并以較成熟的基seeds集的半監(jiān)督K-means算法為基礎(chǔ),首先通過seeds集的消噪和空間擴(kuò)展實(shí)現(xiàn)seeds集優(yōu)化,其次以seeds集作為初始類引導(dǎo)數(shù)據(jù)集進(jìn)行相... 

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 滑坡災(zāi)害研究現(xiàn)狀
    1.3 選題依據(jù)
    1.4 論文的主要內(nèi)容及結(jié)構(gòu)安排
第二章 相關(guān)知識(shí)
    2.1 不確定數(shù)據(jù)
        2.1.1 不確定數(shù)據(jù)產(chǎn)生原因
        2.1.2 不確定數(shù)據(jù)定義
        2.1.3 不確定數(shù)據(jù)相似度
    2.2 聚類算法
        2.2.1 聚類算法的相似性度量
        2.2.2 聚類算法的分類
    2.3 半監(jiān)督聚類算法
        2.3.1 半監(jiān)督聚類算法的先驗(yàn)信息
        2.3.2 半監(jiān)督聚類算法的分類
    2.4 經(jīng)典K-means算法
        2.4.1 無監(jiān)督K-means算法
        2.4.2 半監(jiān)督K-means算法
    2.5 本章總結(jié)
第三章 基于不確定數(shù)據(jù)的IM-K-means算法
    3.1 不確定uv距離
    3.2 seeds集優(yōu)化
        3.2.1 seeds集的消噪
        3.2.2 seeds集的空間擴(kuò)展
    3.3 改進(jìn)半監(jiān)督K-means算法
    3.4 實(shí)驗(yàn)分析
        3.4.1 實(shí)驗(yàn)環(huán)境
        3.4.2 不確定UCI數(shù)據(jù)集
        3.4.3 評(píng)價(jià)標(biāo)準(zhǔn)及參數(shù)設(shè)置
        3.4.4 實(shí)驗(yàn)結(jié)果分析
            3.4.4.1 uv距離實(shí)驗(yàn)分析
            3.4.4.2 IM-K-means算法實(shí)驗(yàn)分析
    3.5 本章總結(jié)
第四章 基于不確定數(shù)據(jù)的IM-K-means算法在滑坡危險(xiǎn)性預(yù)測(cè)上的應(yīng)用
    4.1 數(shù)據(jù)來源及預(yù)處理
        4.1.1 數(shù)據(jù)來源
        4.1.2 數(shù)據(jù)預(yù)處理
    4.2 模型構(gòu)建
    4.3 評(píng)價(jià)標(biāo)準(zhǔn)
    4.4 實(shí)驗(yàn)分析
        4.4.1 uv 距離實(shí)驗(yàn)
        4.4.2 半監(jiān)督聚類算法實(shí)驗(yàn)
        4.4.3 IM-K-means 算法實(shí)驗(yàn)
        4.4.4 seeds 集優(yōu)化實(shí)驗(yàn)
    4.5 本章總結(jié)與擴(kuò)展
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于Logistic回歸的陜南秦巴山區(qū)降雨型滑坡預(yù)測(cè)方法[J]. 趙曉萌,蔡新玲,雷向杰,田亮,衛(wèi)星君.  冰川凍土. 2019(01)
[2]采用自適應(yīng)分段聚合近似的典型負(fù)荷曲線形態(tài)聚類算法[J]. 王瀟笛,劉俊勇,劉友波,許立雄,馬鐵豐,胥威汀.  電力系統(tǒng)自動(dòng)化. 2019(01)
[3]基于CDEM對(duì)大涵地震滑坡穩(wěn)定性分析[J]. 秦順海,鄔中榮.  工程技術(shù)研究. 2018(12)
[4]不確定GM-CFSFDP聚類算法在滑坡危險(xiǎn)性預(yù)測(cè)中的應(yīng)用[J]. 胡健,覃慧,毛伊敏.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(06)
[5]基于小波包能量流和LTSA的垮落煤巖特征提取[J]. 李一鳴,符世琛,周俊瑩,宗凱,李瑞,吳淼.  煤炭學(xué)報(bào). 2018(S1)
[6]基于Hadoop平臺(tái)的聚類K-means算法的研究[J]. 汪一百.  電腦與電信. 2018(04)
[7]K-Means數(shù)據(jù)算法在大學(xué)英語四級(jí)考試成績分析中的研究[J]. 王磊,劉清.  通訊世界. 2018(03)
[8]基于K-PSO聚類算法和熵值法的滑坡敏感性[J]. 阮云凱,占潔偉,陳劍平,李嚴(yán)嚴(yán).  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[9]基于快速高斯變換的不確定數(shù)據(jù)聚類算法[J]. 遲榮華,程媛,朱素霞,黃少濱,陳德運(yùn).  通信學(xué)報(bào). 2017(03)
[10]不確定遺傳神經(jīng)網(wǎng)絡(luò)在滑坡危險(xiǎn)性預(yù)測(cè)中的研究與應(yīng)用[J]. 劉衛(wèi)明,高曉東,毛伊敏,周昭飛.  計(jì)算機(jī)工程. 2017(02)

博士論文
[1]基于粒度計(jì)算的聚類集成算法研究[D]. 徐麗.中國礦業(yè)大學(xué) 2018
[2]不確定時(shí)間序列相似性非參數(shù)度量方法研究[D]. 遲榮華.哈爾濱工程大學(xué) 2018
[3]高烈度地震區(qū)黃土滑坡穩(wěn)定性與防治技術(shù)研究[D]. 穆鵬.長安大學(xué) 2014

碩士論文
[1]基于劃分的不確定數(shù)據(jù)聚類算法研究[D]. 唐東凱.長春工業(yè)大學(xué) 2018
[2]基于群體智能優(yōu)化的聚類算法研究[D]. 劉翹銘.長春工業(yè)大學(xué) 2018
[3]校園一卡通數(shù)據(jù)挖掘與分析[D]. 毛志遠(yuǎn).貴州財(cái)經(jīng)大學(xué) 2018
[4]不確定近似骨架遺傳蟻群算法在滑坡危險(xiǎn)性預(yù)測(cè)中的研究與應(yīng)用[D]. 李忠利.江西理工大學(xué) 2018
[5]基于聯(lián)合正則化半監(jiān)督分類方法的研究[D]. 謝波.西南交通大學(xué) 2018
[6]綠色施工能力成熟度評(píng)價(jià)研究[D]. 梁曉宇.重慶交通大學(xué) 2017
[7]基于群體智能的多目標(biāo)聚類算法研究[D]. 朱書偉.江南大學(xué) 2016
[8]降雨入滲對(duì)多級(jí)邊坡的穩(wěn)定性影響研究[D]. 汪傳武.重慶大學(xué) 2016
[9]基于聚類的基因選擇算法和DPC聚類算法研究[D]. 高紅超.陜西師范大學(xué) 2015
[10]基于半監(jiān)督AP算法的電信客戶細(xì)分研究[D]. 孟奇.河北大學(xué) 2014



本文編號(hào)：3703207